تقنية تقطير جديدة تُقسّم نماذج انتشار الفيديو لتسريعها دون التضحية بالجودة

المشكلة: السرعة مقابل الجودة

توليد الفيديو بنماذج الانتشار (Diffusion Models) عملية بطيئة بطبيعتها؛ فهي تتطلب عشرات الخطوات المتتالية من إزالة التشويش (Denoising) لتحويل الضجيج العشوائي إلى مشهد متماسك. تقنية جديدة تحمل اسم "تقطير مطابقة الانتقال" (Transition Matching Distillation - TMD) تهاجم هذا الاختناق مباشرة، فتضغط العملية إلى عدد محدود جدًا من الخطوات، مع الحفاظ على الدقة البصرية التي عادة ما تُفقد عند تسريع هذه النماذج.

الورقة البحثية التي تصف الطريقة نُشرت لأول مرة على أرشيف الأبحاث (arXiv) في 14 يناير 2026، ثم قُبلت لاحقًا في وقائع مؤتمر IEEE/CVF لرؤية الحاسوب والتعرف على الأنماط (CVPR 2026)، الصفحات 4645-4655. تستهدف الطريقة خللًا بنيويًا في الطريقة التقليدية لضغط نماذج انتشار الفيديو. فبدلًا من التعامل مع الشبكة العصبية ككتلة واحدة متجانسة أثناء التقطير (Distillation)، تقسّم TMD الشبكة إلى جزأين وظيفيين: "العمود الفقري الرئيسي" (Main Backbone) المكوّن من الطبقات المبكرة والمسؤول عن استخراج التمثيل الدلالي (Semantic Representation) من المُدخل، و"رأس التدفق" (Flow Head) المأخوذ من الطبقات الأخيرة، والذي يتولى تحديثات التدفق (Flow Updates) الفعلية التي توجّه مسار التوليد.

هذا الفصل ليس تفصيلًا شكليًا، بل هو ما يمنح عملية التقطير القدرة على التخصص. فبدلًا من إجبار وحدة واحدة موحّدة على فهم "كيف يجب أن يبدو المشهد" و"كيف يتم تحديثه في كل خطوة" في آنٍ واحد، توزّع TMD هذه المهام على أجزاء مختلفة من الشبكة. ويرى الباحثون أن هذا التفكيك هو ما يسمح للنموذج المقطّر بالحفاظ على قدر أكبر من جودة النموذج الأصلي، حتى مع تقليص عدد خطوات الاستدلال (Inference) بشكل كبير.

تجربة على Wan2.1، لا على معيار مصغّر

اختبر الفريق البحثي تقنية TMD على نموذج Wan2.1، وهو نموذج انتشار لتحويل النص إلى فيديو (Text-to-Video) متوفر بإصدارين بحجم 1.3 مليار و14 مليار معامل (Parameters)، وكلاهما يُعدّان من أهم المراجع المستخدمة في مجتمع توليد الفيديو مفتوح المصدر. تقطير النموذج بحجمين مختلفين يعزز مصداقية النتائج مقارنة بتجربة على حجم واحد فقط، لأنه يُثبت أن الطريقة تصلح سواء كان النموذج الأساسي خفيفًا نسبيًا أو ضخمًا.

وبحسب الورقة البحثية، وفي ظل ميزانيات استدلال متكافئة، تفوّقت النماذج المقطّرة بواسطة TMD على أساليب التقطير الحالية في معيارين أساسيين: الدقة البصرية، والالتزام بالتوجيه النصي (Prompt Adherence). هذه النقطة الثانية تحديدًا تُعد نقطة ضعف مزمنة في نماذج التوليد قليلة الخطوات، التي تميل إلى الانحراف عن الطلب الأصلي كلما قل عدد الخطوات.

لماذا يُعد تقسيم البنية هو الإضافة الحقيقية؟

تقنيات تقطير نماذج الانتشار ليست جديدة، لكن معظمها يتعامل مع الشبكة كمجموعة طبقات متماثلة تُضغط بشكل موحّد. إضافة TMD إجرائية أكثر من كونها بنيوية بالكامل؛ فمن خلال تحديد أي الطبقات تقوم بالعمل الدلالي الثقيل، وأيها تنفّذ تحديثات التدفق، تمنح عملية التقطير هدفًا أكثر دقة وتركيزًا. وقد يمتد هذا الإطار مستقبلًا إلى نماذج انتشار فيديو أخرى مبنية على نمط مشابه من الطبقات المبكرة والمتأخرة، رغم أن النتائج المنشورة في الورقة الحالية تقتصر على إصداري Wan2.1 اللذين خضعا للاختبار.

بالنسبة للفرق التي تبني خطوط إنتاج (Pipelines) لتوليد الفيديو تجاريًا، الفائدة العملية واضحة ومباشرة: تقليل خطوات الاستدلال يعني تلقائيًا خفض زمن الاستجابة (Latency) وتكاليف الحوسبة، وتشير TMD إلى أن هذا التوفير لم يعد بالضرورة يأتي على حساب جودة المخرجات.